Programación lineal en la

investigación de operaciones
Introducción
La programación lineal es un conjunto de técnicas racionales de
análisis y de resolución de problemas que tiene por objeto ayudar a
los responsables en las decisiones sobre asuntos en los que
interviene un gran número de variables.
El nombre de programación lineal no procede de la creación de
programas de ordenador, sino de un término militar, programar, que
significa “realizar planes o propuestas de tiempo para el
entrenamiento, la logística o el despliegue de las unidades de
combate”.
Aunque parece ser que la programación lineal fue utilizada por G.
Monge en 1776, se considera a L. V. Kantoróvich uno de sus
creadores. La presentó en su libro Métodos matemáticos para la
organización y la producción (1939) y la desarrolló en su trabajo
Sobre la transferencia de masas (1942). Kantoróvich recibió el
premio Nobel de economía en 1975 por sus aportaciones al
problema de la asignación óptima de recursos humanos.
La investigación de operaciones en general y la programación lineal
en particular recibieron un gran impulso gracias a los ordenadores.
Uno de momentos más importantes fue la aparición del método del
simplex.

La Programación Lineal (PL) es un procedimiento matemático para

determinar la asignación óptima de recursos escasos. La PL es un
procedimiento que encuentra su aplicación práctica en casi todas
las facetas de los negocios, desde la publicidad hasta la
planificación de la producción. Problemas de transporte,
distribución, y planificación global de la producción son los objetos
más comunes del análisis de PL. La industria petrolera parece ser el
usuario más frecuente de la PL. Un gerente de procesamiento de
datos de una importante empresa petrolera recientemente calculó
que del 5% al 10% del tiempo de procesamiento informático de la
empresa es destinado al procesamiento de modelos de PL y
similares.
 La programación lineal aborda una clase de problemas de
programación donde tanto la función objetivo a optimizar como
todas las relaciones entre las variables correspondientes a los
recursos son lineales. Este problema fue formulado y resuelto por
primera vez a fines de la década del 40. Rara vez una nueva
técnica matemática encuentra una gama tan diversa de
aplicaciones prácticas de negocios, comerciales e industriales y a la
vez recibe un desarrollo teórico tan exhaustivo en un período tan
corto. Hoy en día, esta teoría se aplica con éxito a problemas de
presupuestos de capital, diseño de dietas, conservación de
recursos, juegos de estrategias, predicción de crecimiento
económico y sistemas de transporte. Recientemente la teoría de la
programación lineal también contribuyó a la resolución y unificación
de diversas aplicaciones.

Cuando se estudia lo que es programación lineal en

investigación de operaciones se hace imprescindible señalar que
esta se aplica para la administración eficiente de los procesos en
muchos ámbitos de la economía, así como también implica el
conocimiento de que existe una diversidad de software en el
mercado, que ayuda a representar el enfoque o modelo de
programación lineal.

Es importante considerar que lo que es programación lineal en

investigación de operaciones está compuesta por dos elementos
fundamentales: la región factible y las restricciones estructurales y
de no negatividad.

A las restricciones se les llama restricciones de no negatividad y, se

le conocen como condiciones del modelo que estipulan que las
variables de decisión deben tener solo valores no negativos, es
decir, positivos o nulos. Al conjunto de valores que satisfacen todas
las restricciones, se les denomina región factible, que se le cataloga
como un espacio de solución o de todos los puntos posibles de un
problema de optimización que satisface las restricciones del
problema, incluyendo las potencialidades, las igualdades y las
restricciones enteras. 

Objetivos
 Conocer la programación lineal y sus aplicaciones a la vida
cotidiana.
 Plantear y resolver situaciones con programación lineal.
 Pasos para la construcción de un modelo.

Tipo de Soluciones
Los programas lineales con dos variables suelen clasificarse
atendiendo al tipo de solución que presentan. Éstos pueden ser:

 Factibles: Si existe el conjunto de soluciones o valores que

satisfacen las restricciones. Estas a su vez pueden ser: con
solución única, con solución múltiple (si existe más de una solución)
y con solución no acotada (cuando no existe límite para la función
objetivo).
 No factibles: Cuando no existe el conjunto de soluciones que
cumplen las restricciones, es decir, cuando las restricciones son
inconsistentes.

Métodos de solución
Existen tres métodos de solución de problemas de programación
lineal:

 Método gráfico: Las rectas de nivel dan los puntos del plano en los
que la función objetivo toma el mismo valor.
 Método analítico: El siguiente resultado, denominado teorema
fundamental de la programación lineal, nos permite conocer otro
método de solucionar un programa con dos variables: “en un
programa lineal con dos variables, si existe una solución única que
optimice la función objetivo, esta se encuentra en un punto extremo
(vértice) de la región factible acotada, nunca en el interior de dicha
región. Si la función objetivo toma el mismo valor óptimo en dos
vértices, también toma idéntico valor en los puntos del segmento
que determinan. En el caso de que la región factible no es acotada,
la función lineal objetivo no alcanza necesariamente un valor optimo
concreto, pero, si lo hace este se encuentra en uno de los vértices
de la región”.
 Esquema práctico: Los problemas de programación lineal puede
presentarse en la forma estándar, dando la función, objetivos y las
restricciones, o bien plantearlos mediante un enunciado.

Cualquier problema de PL consta de una función objetivo y un

conjunto de restricciones. En la mayoría de los casos, las
restricciones provienen del entorno en el cual usted trabaja para
lograr su objetivo. Cuando usted quiere lograr el objetivo deseado,
se dará cuenta de que el entorno fija ciertas restricciones (es decir,
dificultades, limitaciones) para cumplir con su deseo (vale decir, el
objetivo). Es por eso que las religiones, como el budismo entre
otras, prescriben vivir una vida abstemia. Sin deseo, no hay
dolor. ¿Puede usted seguir este consejo con respecto a su objetivo
de negocios?
Qué es una función: una función es un objeto que hace algo. Por
ejemplo, una máquina de moler café es una función que transforma
los granos de café en polvo. La función (objetivo) traza, traduce el
dominio de entrada (denominado región factible) en un rango de
salida con dos valores finales denominados valores máximo y
mínimo.
Cuando se formula un problema de toma de decisiones como un
programa lineal, se deben verificar las siguientes condiciones:
1. La función objetivo debe ser lineal. Vale decir que se debe
verificar que todas las variables estén elevadas a la primera
potencia y que sean sumadas o restadas (no divididas ni
multiplicadas);
2. El objetivo debe ser ya sea la maximización o minimización de
una función lineal. El objetivo debe representar la meta del decisor;
y
3. Las restricciones también deben ser lineales. Asimismo, la
restricción debe adoptar alguna de las siguientes formas ( , , O =, es
decir que las restricciones de PL siempre están cerradas).

Para la mayoría de los problemas de PL, podemos decir que existen

dos tipos importantes de objetos: en primer lugar, los recursos
limitados, tales como terrenos, capacidad de planta, o tamaño de la
fuerza de ventas; en segundo lugar, las actividades, tales como
"producir acero con bajo contenido de carbono", y "producir acero
con alto contenido de carbono". Cada actividad consume o
probablemente contribuye cantidades adicionales de recursos.
Debe haber una función objetivo, es decir, una manera de
discriminar una mala de una buena o una mejor decisión. El
problema es determinar la mejor combinación de niveles de
actividades, que no utilice más recursos de los disponibles. Muchos
gerentes se enfrentan a esta tarea todos los días. Afortunadamente,
el software de programación lineal ayuda a determinar esto cuando
se ingresa un modelo bien formulado.

Ejemplos de programación lineal:

 Unos grandes almacenes encargan a un fabricante pantalones y
chaquetas deportivas.
El fabricante dispone para confección de 750 m de tejido de
algodón y 1000 m de tejido de poliéster. Cada pantalón precisa 1 m
de algodón y 2 m de poliéster. Para cada chaqueta se necesita 1.5
m de algodón y 1 m de poliéster.
El precio del pantalón se fija en $ 50 y de la chaqueta en $40.
¿Qué número de pantalones y chaquetas debe suministrar el
fabricante a los almacenes para que estos consignan una venta
máxima?
1. Elección de las incógnitas.

 X= número de pantalones
 Y= número de chaquetas

2. Función objetivo

 F(x,y)=50x + 40y

3. Restricciones
Para escribir las restricciones vamos a ayudarnos de una tabla:

Pantalones Chaquetas Disponibles

Algodón 1 1.5 750

Poliéster 2 1 1000

X + 1.5y < 750 à 2x + 3y< 1500

2x + y < 1000

Como el número de pantalones y chaquetas son números naturales,

tendremos dos restricciones más:

X>0

Y>0

4. Halla el conjunto de soluciones factibles

Tenemos que representar gráficamente las restricciones.
Al ser x > 0 e y > 0, trabajaremos en el primer cuadrante.
Representamos las rectas, a partir de sus puntos de corte con los
ejes.

Programación lineal

Resolvemos gráficamente la inecuación: 2x + 3y < 1500, para ello

tomamos un punto del plano, por ejemplo, el (0,0).
Como 0 < 1500 entonces el punto (0,0) se encuentra en el
semiplano donde se cumple la desigualdad.
De modo análogo resolver 2x + y < 1000.
 Programación lineal

La zona de intersección de las soluciones de las inecuaciones sería

la solución al sistema de inecuaciones, que constituye el conjunto
de las soluciones factibles.
5. Calcular las coordenadas de los vértices del recinto de las
soluciones factibles.
La solución óptima, si es única, se encuentra en un vértice del
recinto. Estos son las soluciones a los sistemas:
2x + 3y = 1500; x= 0 (0,500)

2x + y = 1000; y= 0 (500,0)

2x + 3y = 1500; 2x + y = 1000 (375, 250)

 Programación lineal

6. Calcular el valor de la función objetivo

En la función objetivo sustituimos cada uno de los vértices.

F(x,y) = 50x + 40y

F(0,500) = 50*0 + 40*500 = $20000

F(500,0) = 50*500 + 40*0 = $ 25000

F(375,250) = 50*375 + 40*250 = $28750

La solución óptima es fabricar 375 pantalones y 250 chaquetas para

obtener un beneficio de $ 28750.

Programación Lineal (PL)

La programación lineal muchas veces es uno de los temas
preferidos tanto de profesores como de alumnos. La capacidad de
introducir la PL utilizando un abordaje gráfico, la facilidad relativa
del método de solución, la gran disponibilidad de paquetes de
software de PL y la amplia gama de aplicaciones hacen que la PL
sea accesible incluso para estudiantes con poco conocimiento de
matemática. Además, la PL brinda una excelente oportunidad para
presentar la idea del análisis what-if o análisis de hipótesis ya que
se han desarrollado herramientas poderosas para el análisis de post
optimalidad para el modelo de PL.

Es importante que el lector entienda desde el comienzo que el

término "programación" tiene un significado distinto cuando se
refiere a Programación Lineal que cuando hablamos de
Programación Informática. En el primer caso, significa planificar y
organizar mientras que, en el segundo caso, significa escribir las
instrucciones para realizar cálculos. La capacitación en una clase
de programación tiene muy poca relevancia directa con la otra clase
de programación. De hecho, el término "programación lineal" se
acuñó antes de que la palabra programación se relacionara con el
software de computación. A veces se evita esta confusión utilizando
el término optimización lineal como sinónimo de programación
lineal.
El método Simplex es un algoritmo de solución muy utilizado para
resolver programas lineales. Un algoritmo es una serie de pasos
para cumplir con una tarea determinada.

Proceso de Formulación de un Problema de PL y su

Aplicación
Para formular un problema de PL, recomiendo seguir los siguientes
lineamientos generales después de leer con atención el enunciado
del problema varias veces.

Todo programa lineal consta de cuatro partes: un conjunto de

variables de decisión, los parámetros, la función objetivo y un
conjunto de restricciones. Al formular un determinado problema de
decisión en forma matemática, debe practicar la comprensión del
problema (es decir, formular un Modelo Mental) leyendo
detenidamente una y otra vez el enunciado del problema. Mientras
trata de comprender el problema, formúlese las siguientes
preguntas generales:

1. ¿Cuáles son las variables de decisión? Es decir, ¿cuáles con

las entradas controlables? Defina las variables de decisión
con precisión utilizando nombres descriptivos. Recuerde que
las entradas controlables también se conocen como
actividades controlables, variables de decisión y actividades
de decisión.
2. ¿Cuáles son los parámetros? Vale decir ¿cuáles son las
entradas no controlables? Por lo general, son los valores
numéricos constantes dados. Defina los parámetros con
precisión utilizando nombres descriptivos.
3. ¿Cuál es el objetivo? ¿Cuál es la función objetivo? Es decir,
¿qué quiere el dueño del problema? ¿De qué manera se
relaciona el objetivo con las variables de decisión del dueño
del problema? ¿Es un problema de maximización o
minimización? El objetivo debe representar la meta del
decisor.
4. ¿Cuáles son las restricciones? Es decir, ¿qué requerimientos
se deben cumplir? ¿Debería utilizar un tipo de restricción de
desigualdad o igualdad? ¿Cuáles son las conexiones entre las
variables? Escríbalas con palabras antes de volcarlas en
forma matemática.
Recuerde que la región factible tiene poco o nada que ver con la
función objetivo (minim. o maxim.). Estas dos partes en cualquier
formulación de PL generalmente provienen de dos fuentes distintas.
La función objetivo se establece para cumplir con el deseo (objetivo)
del decisor mientras que las restricciones que forman la región
factible generalmente provienen del entorno del decisor que fija
algunas limitaciones / condiciones para lograr su objetivo.

A continuación, se incluye un problema ilustrativo muy sencillo. Sin

embargo, el abordaje del problema es igual para una gran variedad
de problemas de toma de decisión, mientras que el tamaño o la
complejidad pueden variar. El primer ejemplo es un problema de
mix de productos y el segundo es un problema de mezcla.

El Problema del Carpintero

Durante un par de sesiones de brain-storming con un carpintero
(nuestro cliente), éste nos comunica que sólo fabrica mesas y sillas
y que vende todas las mesas y las sillas que fabrica en un mercado.
Sin embargo, no tiene un ingreso estable y desea optimizar esta
situación.

El objetivo es determinar cuántas mesas y sillas debería fabricar

para maximizar sus ingresos netos. Comenzamos concentrándonos
en un horizonte de tiempo, es decir, un plazo de planificación, para
revisar nuestra solución semanalmente, si fuera necesario. Para
saber más acerca de este problema, debemos ir al negocio del
carpintero y observar lo que sucede y medir lo que necesitamos
para para formular (para crear un modelo de) su problema.
Debemos confirmar que su objetivo es maximizar sus ingresos
netos. Debemos comunicarnos con el cliente.

El problema del carpintero se trata de determinar cuántas mesas y

sillas debe fabricar por semana; pero primero se debe establecer
una función objetivo La función objetivo es: 5X 1 + 3X2, donde X1 y
X2 representan la cantidad de mesas y sillas; y 5 y 3 representan los
ingresos netos (por ejemplo, en dólares o décimas de dólares) de la
venta de una mesa y una silla, respectivamente. Los factores
limitantes, que normalmente provienen del exterior, son las
limitaciones de la mano de obra (esta limitación proviene de la
familia del carpintero) y los recursos de materia prima (esta
limitación proviene de la entrega programada). Se miden los
tiempos de producción requeridos para una mesa y una silla en
distintos momentos del día y se calculan en 2 horas y 1 hora,
respectivamente. Las horas laborales totales por semana son sólo
40. La materia prima requerida para una mesa y una silla es de 1 y
2 unidades, respectivamente. El abastecimiento total de materia
prima es de 50 unidades por semana. En consecuencia, la
formulación de PL es la siguiente:

Maximizar: 5 X1 + 3 X2

Sujeta a:
2 X1 + X2  40 restricción de mano de obra
X1 + 2 X2  50 restricción de materiales
tanto X1 como X2 son no negativas.

Este es un modelo matemático para el problema del carpintero.

Las variables de decisión, es decir, las entradas controlables son
X1, y X2. La salida o el resultado de este modelo son los ingresos
netos totales 5 X1 + 3 X2. Todas las funciones empleadas en este
modelo son lineales (las variables de decisión están elevadas a la
primera potencia). El coeficiente de estas restricciones se
denomina Factores Tecnológicos (matriz). El período de revisión es
de una semana, un período conveniente dentro del cual es menos
probable que cambien (fluctúen) las entradas controlables (todos los
parámetros tales como 5, 50, 2,). Incluso en un plazo de
planificación tan corto, debemos realizar el análisis what-if o de
hipótesis para responder a cualquier cambio en estas entradas a los
efectos de controlar el problema, es decir, actualizar la solución
prescripta.

Nótese que, dado que el Carpintero no va a ir a la quiebra al final

del plazo de planificación, agregamos las condiciones que tanto X 1
como X2 deben ser no negativas en lugar de los requerimientos que
X1 y X2 deben ser números enteros positivos. Recuerde que las
condiciones de no negatividad también se denominan "restricciones
implícitas". Nuevamente, un Programa Lineal funcionaría bien para
este problema si el Carpintero continúa fabricando estos productos.
Los artículos parciales simplemente se contarían como trabajos en
proceso y finalmente se transformarían en productos terminados, en
la siguiente semana.

La solución óptima, es decir, la estrategia óptima, es establecer X1

= 10 mesas y X2 = 20 sillas. Programamos las actividades
semanales del carpintero para que fabrique 10 mesas y 20 sillas.
Con esta estrategia (óptima), los ingresos netos son de US$110.
Esta solución prescripta sorprendió al carpintero dado que debido a
los mayores ingresos netos provenientes de la venta de una mesa
(US$5), el solía fabricar más mesas que sillas.

Un Problema de Mezcla
El taller de Joe se especializa en cambios de aceite del motor y
regulación del sistema eléctrico. El beneficio por cambio del aceite
es $7 y de $15 por regulación. Joe tiene un cliente fijo con cuya
flota, le garantiza 30 cambios de aceite por semana. Cada cambio
de aceite requiere de 20 minutos de trabajo y $8 de insumos. Una
regulación toma una hora de trabajo y gasta $15 en insumos. Joe
paga a los mecánicos $10 por hora de trabajo y emplea
actualmente a dos de ellos, cada uno de los cuales labora 40 horas
por semana. Las compras de insumos alcanzan un valor de $1.750
semanales. Joe desea maximizar el beneficio total. Formule el
problema.

Esto es una pregunta de programación lineal. Una porción de un

cambio del aceite o del ajuste no es factible.

X1 = Cambios del aceite.

X2 = Ajuste

Maximizar: 7X1 + 15X2

Sujeta a:
X1  30 Cuenta De la Flota
20X1 + 60X2  4800 minutos de trabajo (tiempo)
8X1 + 15X2  1750 $ en Materias primas
X1  0, X2  0.

El coste de trabajo de $10 por hora no se requiere para formatear el problema

desde el beneficio por cambio del aceite y el ajuste toma en la consideración
el coste de trabajo.

Otras Aplicaciones Comunes de PL

La programación lineal es una herramienta poderosa para
seleccionar alternativas en un problema de decisión y por
consiguiente se aplica en una gran variedad de entornos de
problemas. La cantidad de aplicaciones es tan alta que sería
imposible enumerarlas todas. A continuación, indicamos algunas de
las principales aplicaciones que cubren las áreas funcionales más
importantes de una organización empresarial.

Finanzas: el problema del inversor podría ser un problema de

selección del mix de su cartera de inversiones. En general, la
variedad de carteras puede ser mucho mayor que lo que indica el
ejemplo y se pueden agregar muchas más restricciones distintas.
Otro problema de decisión implica determinar la combinación de
métodos de financiación para una cantidad de productos cuando
existe más de un método de financiación disponible. El objetivo
puede ser maximizar las ganancias totales cuando las ganancias de
un producto determinado dependen del método de financiación. Por
ejemplo, se puede financiar con fondos internos, con deuda a corto
plazo o con financiación intermedia (créditos amortizados). Puede
haber limitaciones con respecto a la disponibilidad de cada una de
las opciones de financiación, así como también restricciones
financieras que exijan determinadas relaciones entre las opciones
de financiación a los efectos de satisfacer los términos y
condiciones de los préstamos bancarios o financiación intermedia.
También puede haber límites con respecto a la capacidad de
producción de los productos. Las variables de decisión serían la
cantidad de unidades que deben ser financiadas por cada opción de
financiación.

Administración de Producción y Operaciones: muchas veces en

las industrias de proceso, una materia prima en particular puede
transformarse en una gran variedad de productos. Por ejemplo, en
la industria petrolera, el crudo puede refinarse para producir nafta,
kerosene, aceite para calefaccionar y distintas clases de aceite para
motor. Según el margen de ganancia actual de cada producto, el
problema es determinar la cantidad que se debería fabricar de cada
producto. Esta decisión está sujeta a numerosas restricciones tales
como límites de las capacidades de diversas operaciones de
refinado, disponibilidad de materia prima, demandas de cada
producto y políticas gubernamentales con respecto a la fabricación
de determinados productos. En la industria de productos químicos y
de procesamiento de alimentos existen problemas similares.
Recursos Humanos: los problemas de planificación de personal
también se pueden analizar con programación lineal. Por ejemplo,
en la industria telefónica, la demanda de servicios de personal de
instalación / reparación son estacionales. El problema es determinar
la cantidad de personal de instalación / reparación y reparación de
líneas que debemos tener incorporada en la fuerza laboral por cada
mes a fin de minimizar los costos totales de contratación, despido,
horas extras y salarios en horas ordinarias. El conjunto de
restricciones comprende restricciones con respecto a la demanda
de servicio que se debe satisfacer, uso de horas extra, acuerdos
con los sindicatos y la disponibilidad de personal calificado para
contratar. Este ejemplo es opuesto a la hipótesis de divisibilidad. Sin
embargo, los niveles de fuerza laboral de cada mes normalmente
son lo suficientemente altos como para poder redondear al número
entero más cercano sin problemas, siempre y cuando no se violen
las restricciones.

Marketing: se puede utilizar la programación lineal para determinar

el mix adecuado de medios de una campaña de publicidad.
Supóngase que los medios disponibles son radio, televisión y
diarios. El problema es determinar cuántos avisos hay que colocar
en cada medio. Por supuesto que el costo de colocación de un
aviso depende del medio elegido. El objetivo es minimizar el costo
total de la campaña publicitaria, sujeto a una serie de restricciones.
Dado que cada medio puede proporcionar un grado diferente de
exposición a la población meta, puede haber una cota inferior con
respecto a la exposición de la campaña. Asimismo, cada medio
puede tener distintos ratings de eficiencia para producir resultados
deseables y por consiguiente puede haber una cota inferior con
respecto a la eficiencia. Además, puede haber límites con respecto
a la disponibilidad para publicar en cada medio.

Distribución: otra aplicación de programación lineal es el área de la

distribución. Considere un caso en el que existen m fábricas que
deben enviar productos a n depósitos. Una determinada fábrica
podría realizar envíos a cualquier cantidad de depósitos. Dado el
costo del envío de una unidad del producto de cada fábrica a cada
depósito, el problema es determinar el patrón de envío (cantidad de
unidades que cada fábrica envía a cada depósito) que minimice los
costos totales. Esta decisión está sujeta a restricciones que exigen
que cada fábrica no pueda enviar más productos de los que tiene
capacidad para producir.
Método de Solución Gráfica
Dado que somos una especie visual (especialmente la cultura
estadounidense), debido a nuestro sistema educativo, muchas de
las herramientas de enseñanza escolar utilizadas en la actualidad
son de naturaleza gráfica. Les enseñamos a leer mostrándoles
figuras de las cosas. Les enseñamos a contar mostrándoles el
orden de los números. En consecuencia, nuestros receptores
visuales se agudizan a expensas de otras funciones cognitivas.
También he descubierto que las personas de negocios responden
mejor a los gráficos y a los cuadros que a los números.

Procedimiento para el Método Gráfico de Solución de Problemas de

PL:

1. ¿El problema es un problema de PL? La respuesta es

afirmativa si y sólo si:

Todas las variables están elevadas a la primera potencia y

son sumadas o restadas (no dividas ni multiplicadas). La
restricción debe adoptar alguna de las siguientes formas (, ,
o =, es decir que las restricciones de PL siempre están cerradas), y el
objetivo debe ser de maximización o minimización.

2. ¿Puedo utilizar el método gráfico? La respuesta es afirmativa

si la cantidad de variables de decisión es 1 o 2.
3. Utilice papel milimetrado. Grafique cada restricción, una por
una, como si fueran igualdades (como si todo  y , es =) y luego
trace la línea.
4. A medida que se crea cada línea, divida la región en 3 partes
con respecto a cada línea. Para identificar la región factible
para esta restricción en particular, elija un punto en cualquier
lado de la línea y coloque sus coordenadas en la restricción,
si satisface la condición, este lado es factible, de lo contrario
el otro lado es factible. En el caso de restricciones de
igualdad, sólo los puntos sobre la línea son factibles.
5. Elimine los lados que no son factibles.

Una vez graficadas todas las restricciones, debe generarse

una región factible no vacía (convexa), salvo que el problema
sea no factible.

6. Cree (como mínimo) dos líneas de igual valor desde la

función objetivo, fijando la función objetivo en dos números
 distintos cualquiera. Grafique las líneas resultantes. Al mover
estas líneas paralelas, encontrará el vértice óptimo (punto
extremo), si es que existe.

En general, si la región factible se encuentra dentro del primer

cuadrante del sistema de coordenadas (es decir si X1 y
X2  0), entonces, para los problemas de maximización, usted
debe mover la función objetivo de igual valor (función iso)
paralela a sí misma lejos del punto de origen (0, 0), como
mínimo, teniendo a la vez un punto en común con la región
factible. Sin embargo, para los problemas de minimización,
debe realizar lo opuesto, es decir, mover la función objetivo de
igual valor (función iso) paralela a sí misma acercándola al
punto de origen, a su vez teniendo como mínimo un punto en
común con la región factible. El punto común proporciona la
solución óptima.

Recuerde que las restricciones de PL proporcionan los vértices y las

esquinas. Un vértice es la intersección de 2 líneas o en general, n
hiperplanos en problemas de PL con n variables de decisión. Una
esquina es un vértice que además es factible.

Un Ejemplo Numérico: El Problema del Carpintero

Maximizar: 5 X1 + 3 X2

Sujeta a:
2 X1 + X2  40
X1 + 2 X2  50
and both X1, X2 are non-negative.
Nota: Existe una alternativa del abordaje de la función objetivo de
igual valor (función iso) con problemas que tienen pocas
restricciones y una región factible acotada. Primero busque todas
las esquinas, también llamadas puntos extremos. Luego, evalúe la
función objetivo en los puntos extremos para llegar al valor óptimo y
a la solución óptima.

Por ejemplo, en el problema del carpintero, la región factible

convexa proporciona los puntos extremos con las coordenadas que
figuran en la siguiente Tabla:

Valor de la Función Objetivo en cada Esquina o Punto Extremo

Coordenadas de los Puntos Función de los
Elecciones del Decisor
Extremos Ingresos Netos
Cantidad de Mesas o Sillas X1, X2 5 X1 + 3 X2
No fabricar ninguna mesa ni
0, 0 0
silla
 Fabricar todas la mesas
20, 0 100
posibles
Fabricar todas las sillas
0, 25 75
posibles
Fabricar una combinación de
10, 20 110
productos

Dado que el objetivo es maximizar, de la tabla anterior surge que el

valor óptimo es 110, el cual se obtiene si el carpintero sigue la
estrategia óptima de X1 = 10 y X2 = 20.

La principal deficiencia del método gráfico es que se limita a

resolver problemas lineales que tengan sólo 1 o 2 variables de
decisión. Sin embargo, la conclusión principal y útil a la que
podemos arribar a partir del análisis de los métodos gráficos
es la siguiente:

Si un programa lineal tiene una región factible acotada no

vacía, la solución óptima es siempre uno de los puntos
extremos. 

La prueba de esta afirmación surge de los resultados de los

siguientes dos hechos:

Hecho N° 1: La región factible de cualquier programa lineal es

siempre un conjunto convexo.

Debido a que todas las restricciones son lineales, la región

factible (R.F.) es un polígono. Además, este polígono es un
conjunto convexo. En cualquier problema de PL que tenga
más de dos dimensiones, los límites de la región factible son
partes de los hiperplanos, y la región factible en este caso se
denomina poliedro y también es convexa. Un conjunto
convexo es aquel en el cual, si se eligen dos puntos factibles,
todos los puntos en el segmento de la línea recta que une
estos dos puntos también son factibles. La prueba de que la
región factible de los programas lineales son siempre
conjuntos convexos surge por contradicción. Las siguientes
figuras ilustran ejemplos de los dos tipos de conjuntos: un
conjunto no convexo y un conjunto convexo.
El conjunto de la región factible en cualquier programa lineal
se denomina poliedro y si está acotado se denomina politopo.

Hecho N° 2: El valor iso de una función objetivo de un

programa lineal es siempre una función lineal.

Este hecho surge de la naturaleza de la función objetivo de

cualquier problema de PL. Las siguientes figuras ilustran las
dos clases típicas de funciones objetivo de igual valor (función
iso).

De la combinación de los dos hechos expresados arriba surge

que, si un programa lineal tiene una región factible acotada no
vacía, la solución óptima es siempre uno de los puntos
extremos.

Para superar la deficiencia del método gráfico, utilizaremos

esta conclusión útil y práctica en el desarrollo de un método
algebraico aplicable a problemas de PL multidimensionales.

La convexidad de la región factible de los programas lineales

facilita la resolución de problemas de PL. Debido a esta
propiedad y a la linealidad de la función objetivo, la solución
es siempre uno de los vértices. Asimismo, dado que la
cantidad de vértices es limitada, todo lo que debemos hacer
es buscar todos los vértices factibles y luego evaluar la
función objetivo en dichos vértices para encontrar el punto
óptimo.

En el caso de programas no lineales, el problema es mucho

más difícil de resolver porque la solución podría estar en
cualquier parte dentro de la región factible, en el límite de la
región factible o en un vértice.

Por suerte, la mayoría de los problemas de optimización

empresarial son lineales y es por eso que la PL es tan
popular. Hoy en día, existen más de 400 paquetes de software
en el mercado para resolver problemas de PL. La mayoría se
basa en la búsqueda de vértices. Esto equivale a pasar de un
vértice a otro cercano en busca de un punto óptimo.

Vínculo entre Programación Lineal y Sistemas de

Ecuaciones
George Dantzig, la programación lineal es estrictamente "la
teoría y la solución de sistemas lineales de desigualdad".
Probablemente ya ha notado que las soluciones básicas de un
programa lineal son las soluciones de los sistemas de
ecuaciones que constan de restricciones en una posición
obligatoria.

Por ejemplo, en el caso del Problema del Carpintero, se

pueden calcular todas las soluciones básicas, tomando dos
ecuaciones cualesquiera y resolviéndolas al mismo tiempo.
Luego, se utilizan las restricciones de las otras ecuaciones
para verificar la factibilidad de esta solución. Si es factible,
esta solución es una solución básica factible que proporciona
las coordenadas de un punto extremo de la región factible.
Para ilustrar el procedimiento, considere las restricciones del
Carpintero en la posición obligatoria (es decir todas con signo
=):

2X1 + X2 = 40
X1 + 2X2 = 50
X1 = 0
X2 = 0
 Aquí tenemos 4 ecuaciones con 2 incógnitas. Existen como
máximo C42 = 4! / (2! 2!) = 6 soluciones básicas. Si resolvemos
los seis sistemas de ecuaciones resultantes tenemos:

Seis Soluciones Básicas con Cuatro Soluciones Básicas

Factibles
X1 X2 5X1 + 3X2
10 20 110*
0 40 No factible
20 0 100
0 25 75
50 0 No factible
0 0 0

Cuatro de las soluciones básicas que figuran arriba son

soluciones básicas factibles que satisfacen todas las
restricciones y pertenecen a los vértices de la región factible.
Al incluir la solución básica factible en la función objetivo,
podemos calcular el valor óptimo. Entonces, de la tabla
anterior surge que la solución óptima es X1 = 10, X2 = 20, con
un valor óptimo de US$110. Este abordaje puede aplicarse
para resolver problemas de PL de más dimensiones.

Ejercicios de Programación Lineal

Problema No. 1
Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer
bicicletas de paseo y de montaña que quiere vender,
respectivamente a 20.000 y 15.000 pesos cada una para sacar el
máximo beneficio. Para la de paseo empleará 1 Kg. De acero y 3
Kg. de aluminio, y para la de montaña 2 Kg. de ambos metales.
¿Cuántas bicicletas de paseo y de montaña deberá fabricar para
maximizar las utilidades?

Definición de variables
X = Cantidad de bicicletas de paseo a producir.
Y = Cantidad de bicicletas de montaña a producir.

Restricciones
X + 2Y <= 80 (Disponibilidad de acero)

3X + 2Y <= 120 (Disponibilidad de aluminio)

X; Y >= 0 (Restricciones de NO negatividad

Función objetivo

Zmax = 20000X + 15000Y

Problema No. 2
Un autobús que hace el recorrido Cali-Buga, ofrece asientos para
fumadores al precio de 10.000 pesos y a no fumadores al precio de
6.000 pesos. Al no fumador se le deja llevar 50 Kg. de peso y al
fumador 20 Kg. Si el autobús tiene 90 asientos y admite un equipaje
de hasta 3.000 Kg. ¿Cuál ha de ser la oferta de asientos de la
compañía para cada tipo de pasajeros, con la finalidad de optimizar
el beneficio? Además, debe considerarse que, por políticas de la
empresa, deben ofrecerse como mínimo 10 asientos para pasajeros
no fumadores.
Definición de variables
X = Cantidad de asientos reservados a fumadores.

Y = Cantidad de asientos reservados a no fumadores.

Restricciones
20X + 50Y <= 3000 (Equipaje permitido)

X + Y <= 90 (Asientos disponibles)

Y >= 10 (Políticas no fumadores)

X; Y >= 0 (No negatividad)

Función objetivo
Zmax = 10000X + 6000Y

Problema No. 3
Un comerciante acude al mercado popular a comprar naranjas con
50.000 pesos. Le ofrecen dos tipos de naranjas: las de tipo A a 50
pesos el Kg. y las de tipo B a 80 pesos el Kg. Sabiendo que sólo
dispone de su camioneta con espacio para transportar 700 Kg. de
naranjas como máximo y que piensa vender el Kg. de naranjas tipo
A a 58 pesos. y el Kg. de tipo B a 90 pesos. plantee un modelo de
programación lineal que permita resolver la situación anterior.
Definición de las variables
X = Cantidad de Kg de naranjas tipo A a comprar.

Y = Cantidad de Kg de naranjas tipo B a comprar.

Restricciones
50X + 80Y <= 50.000 (Dinero disponible para comprar)

X + Y <= 700 (Capacidad de transporte)

Función Objetivo
Zmax = 8X + 10Y